map值計算在nms之後進行的
在測試的時候，通過置信度閾值和nms操作中的iou閾值的雙重過濾來得到最終的檢測結果；
將這些檢測結果與gt計算來得到metric指標，在計算metric的時候又涉及到乙個iou閾值，也就是[email protected]中的0.5。
乙個iou閾值是為了nms去重，乙個iou閾值是為了衡量模型的定位效能；
在做測試的時候，需要設定兩個閾值，分別是置信度閾值和iou閾值（nms去重）。
ap值計算有3種方式：
（1）在voc2010以前，只需要選取當recall >= 0, 0.1, 0.2, …, 1共11個點時的precision最大值，然後ap就是這11個precision的平均值。
（2）在voc2010及以後，需要針對每乙個不同的recall值（包括0和1），選取其大於等於這些recall值時的precision最大值，然後計算pr曲線下面積作為ap值。
（3）coco資料集，設定多個iou閾值（0.5-0.95,0.05為步長），在每乙個iou閾值下都有某一類別的ap值，然後求不同iou閾值下的ap平均，就是所求的最終的某類別的ap值。
如何理解?
經過置信度閾值和nms中的iou閾值的雙重過濾後，得到一系列的檢測框，遍歷這些檢測框，將其依次與gt進行計算，可以得到一系列的[tps, fps, fns]，進而得到一系列的[percisions, recalls]，便可以畫出pr曲線，計算ap。
目標檢測的效能評價指標目標檢測中常用的iou、nms和map
目標檢測map計算詳解
目標檢測 目標檢測通用框架總結
目標檢測框架個人總結 以下是筆記中包含的內容 目標檢測網路框架總結 yolov4中有圖 從最開始的神經網路到現在深度更深，模組更多的目標檢測深度學習神經網路，如今大致可以分為two stage detector 典型的為rcnn系列 和 one stage detector 典型為yolo系列 每個...
目標檢測入門 目標檢測基本概念
目標檢測關注影象中特定的物體目標，要求同時獲得這一目標的類別資訊和位置資訊。檢測給出的是對前景和背景的理解，需要從背景中分離出感興趣的目標，並確定這一目標的描述 類別和位置，常用檢測框表示 與影象分類的區別，目標檢測更具難度 影象分類只需要判斷輸入的影象中是否包含感興趣物體，而不需要定位具體位置 如...
運動目標檢測
目錄 檢測方法 背景模型 目標檢測 後處理 檢測方法 基於統計背景模型的運動目標檢測方法 問題 1 背景獲取 需要在場景存在運動目標的情況下獲得背景影象 2 背景擾動 背景中可以含有輕微擾動的物件，如樹枝 樹葉的搖動，擾動部分不應該被看做是前景運動目標 3 外界光照變化 一天中不同時間段光線 天氣等...